L'indagine di Pew Research sui lavori e l'AI rileva che la paura globale supera le promesse dell'AI

Pew Research ha documentato un conflitto evidente in 37 Paesi: le persone si aspettano che l'intelligenza artificiale elimini più posti di lavoro di quanti ne crei. L'indagine di Pew Research sui lavori e l'AI rileva questa aspettativa in 34 dei 37 Paesi studiati. La preoccupazione va oltre l'occupazione, estendendosi alla disuguaglianza di reddito e alla questione se l'AI migliorerà la vita nel complesso.

L'indagine internazionale ha coinvolto 42.151 adulti in 36 Paesi tra l'8 febbraio e il 13 maggio 2026. Pew ha intervistato separatamente 8.607 adulti negli Stati Uniti, portando la copertura complessiva dello studio a 37 Paesi. I risultati sono arrivati prima che diversi recenti avvertimenti sulla rapida automazione intensificassero il dibattito pubblico.

Non si tratta semplicemente dell'ennesima fotografia dell'ansia per una tecnologia poco familiare. Le aziende dell'AI presentano i propri sistemi come strumenti di produttività in grado di ampliare le capacità umane e creare nuove opportunità economiche. Il pubblico vede una diversa distribuzione degli esiti, in cui i datori di lavoro catturano i guadagni di efficienza mentre i lavoratori assorbono il rischio di sostituzione.

Questa divisione è la questione centrale. Le persone possono riconoscere l'utilità dell'AI pur dubitando che i suoi benefici arriveranno anche a loro. A meno che aziende e governi non affrontino questa preoccupazione, l'adozione tecnica può avanzare più rapidamente della legittimità pubblica.

Cosa ha realmente cambiato l'indagine globale sull'AI

L'indagine trasforma l'ansia frammentata sull'automazione in un modello internazionale misurabile.

Il risultato più importante è la sua ampiezza geografica. Gli intervistati in 34 dei 37 Paesi esaminati si aspettavano che l'AI producesse una riduzione netta dei posti di lavoro. Riduzione netta significa che la tecnologia elimina più posizioni di quante l'economia ne crei grazie ad essa.

Questo consenso conta perché i mercati del lavoro differiscono ampiamente tra i Paesi studiati. I loro livelli salariali, le protezioni sociali, le strutture industriali e l'esposizione alla tecnologia digitale non sono gli stessi. Eppure la direzione delle aspettative pubbliche rimane straordinariamente coerente.

La copertura dell'indagine esamina anche se l'AI migliorerà la vita quotidiana e come influirà sulla disuguaglianza di reddito. Queste domande collegano i timori occupazionali a una preoccupazione più ampia su chi controlli i benefici.

L'adozione dell'AI non deve necessariamente produrre disoccupazione di massa perché questi timori influenzino i comportamenti. I lavoratori potrebbero evitare professioni che ritengono abbiano un futuro incerto. Gli studenti potrebbero riconsiderare i corsi di laurea associati a mansioni esposte. I manager potrebbero incontrare resistenza nell'introdurre sistemi senza spiegarne gli effetti sul personale.

I risultati complicano anche una comune supposizione sulla familiarità. Una maggiore consapevolezza dell'AI non produce automaticamente maggiore fiducia in essa. Le persone spesso diventano più preoccupate man mano che comprendono cosa i sistemi generativi possono fare con scrittura, programmazione, analisi, immagini e assistenza clienti.

Questa reazione differisce da una semplice paura della tecnologia. Gli intervistati stanno valutando una proposta economica concreta. Le aziende possono usare sistemi che svolgono parti di lavori umani, ma i lavoratori non ricevono alcun diritto automatico sui risparmi risultanti.

L'indagine è stata condotta mesi prima della pubblicazione. Pertanto non rileva ogni avvertimento, rilascio di prodotto o annuncio sull'occupazione successivo al lavoro sul campo. Questa tempistica rende i risultati più rilevanti, non meno. I timori erano già diffusi prima dell'ultima ondata di dibattito pubblico.

L'indagine non stabilisce che 34 Paesi subiranno perdite nette di posti di lavoro. Misura aspettative, non risultati occupazionali. Tuttavia, le aspettative influenzano la fiducia, i comportamenti d'acquisto, le scelte di carriera, le negoziazioni sul lavoro e la pressione politica.

La struttura del campione richiede una descrizione accurata. La componente internazionale ha coinvolto 42.151 adulti in 36 Paesi. Il campione separato degli Stati Uniti comprendeva 8.607 adulti. Un riepilogo dell'indagine ha identificato queste componenti riportando i risultati relativi a 37 Paesi.

Questa distinzione evita due errori. Lo studio non ha intervistato soltanto 42.151 persone nell'intero gruppo di 37 Paesi. Né ha misurato ogni popolazione nazionale attraverso un unico processo di campionamento identico.

Il risultato di Pew cambia il dibattito sull'AI perché stabilisce la portata del problema di credibilità. Il settore non sta più cercando di convincere soltanto specialisti scettici o sostenitori dei lavoratori. Deve affrontare un pubblico internazionale che associa già l'AI a meno posti di lavoro.

L'indagine di Pew Research sui lavori e l'AI traccia un deficit di fiducia

Le persone sembrano meno preoccupate che l'AI funzioni che di chi ne trarrà beneficio quando funziona.

Questa differenza è cruciale. Una tecnologia può essere capace, ampiamente utilizzata ed economicamente preziosa, pur rimanendo impopolare. La fiducia pubblica dipende da come vengono distribuiti costi e benefici.

Gli sviluppatori di AI enfatizzano la produttività perché può sostenere una maggiore produzione e salari più alti. Tuttavia, questa catena comprende diverse decisioni che la tecnologia da sola non può prendere. I datori di lavoro decidono se i risparmi finanziano retribuzioni più alte, orari più brevi, nuove assunzioni, prezzi più bassi o margini più ampi.

I lavoratori sperimentano quindi l'AI attraverso scelte organizzative. Un dipendente a cui viene chiesto di usare un assistente potrebbe guadagnare tempo per un lavoro migliore. Un altro potrebbe ereditare il carico di lavoro dei colleghi che se ne sono andati perché la direzione si aspetta che l'automazione colmi il divario.

Entrambe le situazioni possono verificarsi nella stessa azienda. Questo rende difficili da valutare le ampie promesse sull'AI che migliora il lavoro. Il risultato pratico dipende dalle politiche sul personale, dalla progettazione dei ruoli, dalla formazione e dagli incentivi del management.

La questione della disuguaglianza di reddito coglie questo problema distributivo. Se i lavoratori ad alto reddito usano l'AI per aumentare il proprio valore, mentre i lavoratori con mansioni routinarie affrontano la sostituzione, la tecnologia può ampliare i divari esistenti. La proprietà di modelli, infrastrutture di calcolo, dati e distribuzione può approfondire questa divisione.

Il Fondo Monetario Internazionale ha stimato che l'AI potrebbe influenzare quasi il 40 per cento dei posti di lavoro nel mondo. L'esposizione sale a circa il 60 per cento nelle economie avanzate, secondo la sua analisi del mercato del lavoro. L'esposizione non significa che ogni lavoro coinvolto scompaia.

Alcuni lavori esposti possono diventare più produttivi. Altri possono perdere mansioni, ore, potere negoziale o opportunità di ingresso. La distinzione tra esposizione del lavoro e distruzione del lavoro è essenziale, ma non elimina il rischio.

L'indagine di Pew Research sui lavori e l'AI misura come oggi il pubblico risolva questa incertezza. Nella maggior parte dei Paesi, gli intervistati si aspettano che prevalga l'effetto negativo sull'occupazione. La narrazione ottimistica del settore non li ha convinti del contrario.

Una ragione è che i benefici spesso appaiono astratti, mentre i costi appaiono personali. La crescita della produttività è un concetto che riguarda l'intera economia. Un posto vacante cancellato, un contratto freelance ridotto o una coda di assistenza automatizzata colpiscono immediatamente una persona specifica.

Un'altra ragione riguarda il controllo. I lavoratori raramente scelgono i sistemi usati per valutare le loro prestazioni, assegnare le loro mansioni o determinare il personale necessario. Persino strumenti utili possono generare sospetto quando vengono adottati senza consultazione.

I lavoratori della conoscenza affrontano una sfida correlata. L'AI può accelerare ricerca e stesura, ma può anche frammentare le prove tra chat, documenti e applicazioni. Mantenere una base di conoscenza ricercabile aiuta a preservare fonti e decisioni quando i flussi di lavoro automatizzati si moltiplicano.

Tuttavia, una migliore organizzazione personale non risolve la questione occupazionale. I lavoratori non possono compensare individualmente ogni cambiamento strutturale. Il deficit di fiducia riguarda impegni istituzionali, non soltanto l'adattabilità individuale.

I datori di lavoro devono spiegare quali mansioni cambieranno, come verrà misurata la produttività e se il tempo risparmiato modificherà gli organici. I governi hanno bisogno di piani credibili per formazione, sostegno al reddito, concorrenza e tutele dei lavoratori.

Senza questi dettagli, le persone ascoltano promesse di opportunità accanto a incentivi visibili a ridurre i costi del lavoro. Il loro scetticismo non è un rifiuto dell'innovazione. È una risposta a un patto economico incompleto.

Le promesse di produttività dell'AI incontrano la realtà della progettazione del lavoro

Il confronto principale è tra l'AI come potenziamento dei lavoratori e l'AI come via per ridurre il lavoro.

Il potenziamento significa che la tecnologia aiuta una persona a svolgere il lavoro esistente o ad assumere mansioni di maggior valore. La sostituzione significa che il software svolge abbastanza lavoro da far sì che un datore di lavoro abbia bisogno di meno persone. La maggior parte delle implementazioni contiene elementi di entrambi.

Un assistente per il servizio clienti può redigere risposte mentre un umano controlla i casi difficili. Questo è potenziamento a livello di singola mansione. Se lo stesso team gestisce poi il doppio dei clienti senza nuove assunzioni, l'organizzazione ha sostituito il software alla futura domanda di lavoro.

Questo secondo effetto è facile da non notare. La pressione sull'occupazione non arriva sempre attraverso un drastico giro di licenziamenti. Può manifestarsi con assunzioni più lente, posti vacanti non coperti, classi di neolaureati più piccole o meno contratti per lavoratori indipendenti.

Il lavoro di ingresso merita particolare attenzione. I dipendenti junior spesso iniziano con ricerca, sintesi, documentazione, test e attività di produzione di base. L'AI generativa può svolgere rapidamente parti di questi incarichi.

Le aziende potrebbero rispondere affidando al personale junior responsabilità più complesse. Potrebbero anche assumere meno principianti perché i dipendenti esperti possono produrre di più. La prima strada sviluppa talenti; la seconda può indebolire il percorso che crea i futuri esperti.

L'Organizzazione Internazionale del Lavoro descrive l'esposizione all'AI generativa soprattutto come una questione di trasformazione, piuttosto che di scomparsa automatica di intere professioni. Il suo indice globale dei lavori valuta le professioni in base alle mansioni che i sistemi attuali possono svolgere.

L'analisi a livello di mansione offre un quadro migliore rispetto alla domanda se l'AI sostituirà una professione. Un lavoro combina attività che richiedono conoscenze, responsabilità, relazioni e azioni fisiche diverse. I sistemi attuali raramente assumono quell'intero insieme.

Eppure l'automazione parziale può comunque rimodellare l'occupazione. Se il software gestisce una quota significativa delle mansioni, i datori di lavoro possono riprogettare i ruoli attorno al lavoro rimanente. Possono anche intensificare i carichi di lavoro, aspettandosi che ogni dipendente supervisioni più output automatizzati.

Il controllo di qualità diventa centrale in questo ambiente. I sistemi generativi possono produrre errori presentati con sicurezza, ragionamenti incompleti, codice non sicuro o affermazioni prive di riscontri. Un revisore umano rimane responsabile anche quando la macchina ha creato l'output iniziale.

Questa responsabilità comporta un costo. I lavoratori devono capire abbastanza da individuare i fallimenti, preservare le prove e sapere quando non ci si deve fidare dell'automazione. Il tempo risparmiato durante la produzione può in parte tornare necessario per la verifica.

Le misurazioni della produttività possono trascurare questo lavoro nascosto. Un'azienda potrebbe contare bozze più rapide senza misurare il tempo di correzione o gli errori a valle. Potrebbe celebrare tempi di gestione più brevi mentre i clienti faticano a raggiungere qualcuno in grado di risolvere problemi insoliti.

L’Organizzazione per la cooperazione e lo sviluppo economico ha anch’essa distinto tra esposizione e sostituzione immediata. Il suo rapporto sulle prospettive occupazionali ha esaminato come l’automazione influisca sulla qualità del lavoro, sulle competenze e sul potere contrattuale, oltre che sui livelli occupazionali.

Queste dimensioni aiutano a spiegare l’ansia dell’opinione pubblica. Alle persone non basta avere un lavoro qualsiasi. Si preoccupano di salari, stabilità, autonomia, possibilità di avanzamento e dell’equità con cui i sistemi di valutazione trattano i dipendenti.

Lo scenario ottimistico sull’AI resta plausibile. Nuovi strumenti possono ridurre le incombenze amministrative ripetitive, rendere le competenze specialistiche più accessibili e aiutare piccoli team a intraprendere progetti che un tempo richiedevano budget maggiori. Possono inoltre nascere nuovi prodotti e nuove professioni.

Tuttavia, questi benefici non risolvono la questione della distribuzione. Un’azienda può diventare più produttiva senza condividere il valore con i lavoratori. Un settore può crescere pur impiegando meno persone per unità di prodotto.

Il pessimismo emerso dal sondaggio sfida i datori di lavoro a dimostrare l’aumento delle capacità attraverso decisioni osservabili. Budget per la formazione, mobilità interna, crescita salariale e assunzioni stabili offrirebbero prove più solide delle generiche dichiarazioni sul potenziale umano.

Ciò che i numeri non possono ancora dirci

Il sondaggio coglie un’aspettativa forte, ma non può determinare l’equilibrio occupazionale finale dell’AI.

I sondaggi d’opinione misurano convinzioni in un momento specifico. Non prevedono le capacità tecnologiche né calcolano la futura creazione di posti di lavoro. Inoltre, gli intervistati interpretano il termine ampio “AI”, che può comprendere sistemi molto diversi.

Una persona potrebbe pensare a chatbot, veicoli autonomi, robot industriali, algoritmi di raccomandazione o sorveglianza sul luogo di lavoro. Ogni tecnologia incide sul lavoro in modo diverso. Differiscono anche i requisiti normativi e i costi di adozione.

I confronti tra Paesi introducono ulteriore incertezza. Gli intervistati vivono in economie con tutele occupazionali, sistemi educativi, caratteristiche demografiche e settori predominanti diversi. Il significato di “perdita del lavoro” può variare in base a tali condizioni.

La raccolta dei dati precede inoltre sviluppi successivi. Le opinioni possono cambiare dopo licenziamenti rilevanti, fallimenti sul fronte della sicurezza, guadagni di produttività o nuove normative. Ripetere le domande nel tempo sarà più informativo che considerare permanente un singolo risultato.

Il sondaggio di Pew Research sui posti di lavoro e l’AI dovrebbe quindi essere letto come un indicatore di fiducia. Indica che la maggior parte delle opinioni pubbliche nazionali si aspetta attualmente un saldo occupazionale negativo. Non dimostra che questo saldo si sia già verificato.

Anche le statistiche sul lavoro si muovono più lentamente dell’adozione dei prodotti. Un’azienda può introdurre l’AI in poche settimane, mentre i dati ufficiali sulle professioni possono richiedere mesi o anni per rivelare i cambiamenti. I cicli economici complicano ulteriormente l’attribuzione delle cause.

Se un datore di lavoro riduce il personale durante una fase recessiva, l’AI potrebbe essere una causa, uno strumento di supporto o una spiegazione conveniente. Se le assunzioni rallentano mentre la produzione cresce, l’automazione potrebbe contribuire senza comparire nei dati sui licenziamenti.

Anche la creazione di nuovi posti di lavoro è altrettanto difficile da misurare. L’AI può generare domanda per valutazione dei modelli, sicurezza, operazioni sui dati, integrazione, conformità e servizi specializzati. Alcune posizioni manterranno titoli familiari anche quando le attività quotidiane cambieranno sostanzialmente.

I confronti storici offrono indicazioni limitate. Le tecnologie precedenti hanno eliminato alcuni compiti creando al contempo industrie e aumentando la produttività. Hanno anche provocato transizioni dolorose, indebolito comunità specifiche e distribuito i benefici in modo diseguale.

L’AI differisce da molti strumenti precedenti perché prende di mira compiti cognitivi in numerosi settori. Lo stesso modello di base può assistere un programmatore, un professionista del marketing, un avvocato, un analista o un addetto all’assistenza. La distribuzione software permette a queste capacità di diffondersi rapidamente.

Tuttavia, capacità non equivale ad adozione. Le organizzazioni affrontano restrizioni sui dati, costi di integrazione, esposizione legale, requisiti di sicurezza e problemi di affidabilità. Molte dimostrazioni funzionano meglio in contesti controllati che all’interno di sistemi operativi complessi.

Il sondaggio non può neppure rivelare cosa gli intervistati accetterebbero con politiche diverse. Le persone potrebbero considerare l’AI più positivamente se i datori di lavoro garantissero riqualificazione, proteggessero i salari o condividessero i guadagni di produttività. Potrebbero diventare più scettiche dopo aver sperimentato decisioni automatizzate opache.

Un’altra incertezza riguarda la vita oltre il lavoro. L’AI può sostenere la ricerca medica, l’accessibilità, l’istruzione e la traduzione, introducendo al contempo rischi di frode, sorveglianza e disinformazione. Un intervistato può apprezzare un utilizzo e rifiutarne un altro.

Questa combinazione rende fuorvianti le etichette semplicistiche. Chi si aspetta distruzione di posti di lavoro non è necessariamente contrario all’AI. Potrebbe usare regolarmente l’AI e al tempo stesso chiedere tutele contro le sue conseguenze economiche.

L’interpretazione scettica non dovrebbe spingersi troppo oltre in nessuna delle due direzioni. La paura pubblica non dimostra una disoccupazione di massa inevitabile. L’ottimismo del settore non dimostra che il lavoro sostituito confluirà senza difficoltà in impieghi migliori.

Le prove devono collegare sistemi specifici a effettivi livelli di personale, salari, produzione e qualità del lavoro. Finché tali prove non si accumuleranno, previsioni sicure resteranno meno utili di una rendicontazione trasparente.

Datori di lavoro e governi portano ora l’onere della prova

Il sondaggio esercita pressione sulle istituzioni che controllano l’adozione, perché i lavoratori non possono progettare da soli la transizione.

Le aziende di AI affrontano la sfida comunicativa più visibile. Spesso descrivono i modelli come assistenti o collaboratori. I clienti, però, acquistano questi prodotti anche perché promettono costi inferiori e maggiore produzione.

Questa logica commerciale non rende inevitabili le perdite di posti di lavoro. Crea però un incentivo che la comunicazione pubblica raramente affronta direttamente. Se un team può svolgere più lavoro, i dirigenti devono decidere se espandere la produzione o ridurre la domanda di lavoro.

I datori di lavoro possono rendere questa decisione comprensibile. Possono pubblicare gli obiettivi di implementazione, identificare i compiti interessati, consultare i lavoratori e riferire se l’automazione modifica i livelli di personale. Possono separare i progetti sperimentali dai sistemi utilizzati nelle decisioni occupazionali.

I manager devono anche proteggere la revisione umana. Chiedere ai dipendenti di approvare risultati dell’AI senza tempo o autorità sufficienti crea responsabilità senza controllo. Questo assetto trasferisce il rischio verso il basso, mentre il management si appropria del vantaggio di produttività.

Anche la formazione richiede la stessa precisione. Un breve corso sul prompting non prepara qualcuno a una professione che sta perdendo le proprie attività di ingresso. Una formazione efficace deve collegare i lavoratori a ruoli che le organizzazioni intendono effettivamente mantenere.

I governi hanno un onere diverso. Hanno bisogno di dati tempestivi sul lavoro in grado di distinguere i licenziamenti dalle riduzioni delle assunzioni e dalla ristrutturazione dei compiti. Hanno inoltre bisogno di politiche applicabili prima che lo spostamento del lavoro diventi un’emergenza.

La politica della concorrenza è importante perché l’infrastruttura AI è costosa e concentrata. Se un piccolo gruppo controlla modelli, capacità cloud e distribuzione, i guadagni di produttività possono accumularsi nelle aziende con il maggiore capitale.

La politica educativa è importante perché i lavoratori necessitano di un solido giudizio digitale, non solo della familiarità con una singola interfaccia. I prodotti basati sui modelli cambiano rapidamente. Verifica, competenza nel settore, comunicazione e responsabilità conservano valore attraverso gli strumenti.

La protezione sociale è importante perché le transizioni creano vuoti anche quando l’economia alla fine produce nuovo lavoro. Le persone non possono pagare le spese attuali con previsioni sulle professioni future. Sussidi e riqualificazione devono funzionare durante la transizione.

Anche la rappresentanza dei lavoratori influisce sui risultati. I dipendenti spesso comprendono quali compiti possano essere automatizzati in sicurezza e quali richiedano contesto. Coinvolgerli può migliorare la qualità dell’implementazione riducendo al contempo i sospetti.

La preoccupazione del pubblico per la disuguaglianza dovrebbe orientare queste risposte. Una transizione non può essere valutata soltanto in base alla produzione nazionale o agli utili aziendali. Distribuzione dei salari, qualità del lavoro, effetti regionali e accesso alla formazione devono rientrare nella stessa valutazione.

Le aziende dovrebbero rendicontare il rapporto tra adozione dell’AI e occupazione con misure comparabili. Indicatori utili includono posti vacanti, assunzioni entry-level, spesa per collaboratori esterni, trasferimenti interni, ore lavorate e produzione per dipendente.

Nessuna singola metrica risolverà il dibattito. Il numero di dipendenti può restare stabile mentre i carichi di lavoro si intensificano. La produttività può aumentare mentre i salari ristagnano. Possono comparire nuovi ruoli mentre l’accesso rimane limitato ai lavoratori con credenziali avanzate.

La trasparenza ridurrebbe comunque il divario tra dichiarazioni e risultati. Consentirebbe a lavoratori, investitori e decisori politici di valutare se l’aumento delle capacità stia avvenendo come promesso.

I risultati di Pew suggeriscono che l’ottimismo volontario non è più sufficiente. Le istituzioni che cercano sostegno pubblico devono mostrare come le persone condividano i benefici e come verranno gestiti i danni.

Tre segnali metteranno alla prova la paura globale delle perdite di lavoro causate dall’AI

La prossima fase del dibattito sarà decisa dai dati sulle assunzioni, dagli esiti per i lavoratori e da misurazioni pubbliche ripetute.

Il primo segnale riguarda le assunzioni entry-level nelle professioni esposte all’AI. Ruoli per neolaureati, posizioni professionali junior e lavoro digitale di routine offrono una verifica precoce della sostituzione. Questi lavori comprendono molti compiti che i sistemi generativi possono assistere o automatizzare.

Un calo persistente rafforzerebbe l’interpretazione pessimistica del sondaggio, soprattutto se la produzione restasse stabile. Assunzioni stabili con responsabilità riprogettate sosterrebbero invece l’ipotesi dell’aumento delle capacità. I ricercatori dovrebbero confrontare i ruoli esposti con professioni soggette a condizioni economiche simili.

Il secondo segnale è se i guadagni di produttività raggiungono i lavoratori. Crescita salariale, orari di lavoro più brevi, tassi di promozione e formazione finanziata dai datori di lavoro possono mostrare se le persone condividono il valore. Una maggiore produzione da sola non può rispondere a questa domanda.

Se salari e mobilità aumentano insieme all’adozione dell’AI, la fiducia pubblica avrà motivo di migliorare. Se la produzione cresce mentre retribuzione e opportunità ristagnano, la preoccupazione per la disuguaglianza acquisirà prove più forti.

Il terzo segnale è l’andamento dei risultati dei sondaggi futuri. Lo studio di Pew fornisce un’ampia base di riferimento in 37 Paesi. Ripetere domande comparabili può rivelare se l’esperienza diretta riduca la paura o la renda più concreta.

Il sentimento dovrebbe essere interpretato insieme al comportamento. L’adozione può aumentare anche mentre la fiducia diminuisce, perché lavoratori e consumatori potrebbero avere poche alternative pratiche. Le sole statistiche di utilizzo non possono quindi dimostrare l’accettazione sociale.

Il modello osservato in 34 Paesi resterà significativo finché le prove occupazionali non indicheranno altro. Rappresenta un avvertimento: progresso tecnico e legittimità pubblica stanno procedendo su binari separati.

Gli sviluppatori dovrebbero osservare se gli acquirenti richiedano sistemi progettati attorno a una revisione umana responsabile. I clienti aziendali dovrebbero esaminare le conseguenze sul personale insieme alle prestazioni dei modelli. I lavoratori dovrebbero chiedere in che modo l’adozione modifichi ruoli, valutazione e possibilità di avanzamento.

I decisori politici dovrebbero resistere sia al fatalismo sia al compiacimento. La distruzione di posti di lavoro causata dall’AI non è predeterminata, ma nemmeno una transizione indolore verso lavori migliori lo è. Le istituzioni compiono scelte che plasmano entrambi gli esiti.

Il sondaggio di Pew Research sui posti di lavoro e l’AI pone una domanda pratica a ogni organizzazione che implementa questi sistemi: quali prove convincerebbero i lavoratori che l’AI sta migliorando il loro futuro? Pubblicare tali prove, condividere i guadagni e correggere le implementazioni dannose offrirebbe una risposta credibile. Senza queste azioni, il pubblico continuerà a giudicare l’AI in base al suo incentivo percepito più evidente: fare più lavoro con meno persone.